php 文章采集正则代码
2015-01-24信息快讯网
php 文章采集代码主要是应用了正则表达式。
//采集html
function getwebcontent($url){
$ch = curl_init();
$timeout = 10;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, 1);
$contents = trim(curl_exec($ch));
curl_close($ch);
return $contents;
}
//获得标题和url
$string =
getwebcontent('http://www.***.com/learn/zhunbeihuaiyun/jijibeiyun/2');
//正则匹配<li>获取标题和地址
preg_match_all ("/<li><a href=\"\/learn\/article\/(.*)\">(.*)<\/a>/",$string, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
$article['title'][] = $out[$key][2];
$article['link'][] = "http://www.***.com/learn/article/".$out[$key][1];
}
//根据url获取文章内容
foreach($article['link'] as $key=>$value){
$content_html = getwebcontent($article['link'][$key]);
preg_match("/<div id=pagenum_0(.*)>[\s|\S]*?<\/div>/",$content_html,$matches);
$article[content][$key] = $matches[0];
}
//不转码还真不能保存成文件
foreach($article[title] as $key=>$value){
$article[title][$key] = iconv('utf-8', 'gbk', $value);//转码
}
//存入文件
$num = count($article['title']);
for($i=0; $i<$num; $i++){
file_put_contents("{$article[title][$i]}.txt", $article['content'][$i]);
}
?>
php中获取指定IP的物理地址的代码(正则表达式)
基于PHP的cURL快速入门教程 (小偷采集程序)
PHP curl模拟浏览器采集阿里巴巴的实现代码
PHP学习之正则表达式
开启CURL扩展,让服务器支持PHP curl函数(远程采集)
PHP中用正则表达式清除字符串的空白
DEDE采集大师官方留后门的删除办法
snoopy 强大的PHP采集类使用实例代码
一篇有意思的技术文章php介绍篇
PHP下常用正则表达式整理
smarty中先strip_tags过滤html标签后truncate截取文章运用
php正则过滤html标签、空格、换行符的代码(附说明)
php下删除一篇文章生成的多个静态页面
PHP+ACCESS 文章管理程序代码
php文章内容分页并生成相应的htm静态页面代码
php 需要掌握的东西 不做浮躁的人
PHP array_push 数组函数
PHP simple_html_dom.php+正则 采集文章代码
PHP 采集程序中常用的函数
dedecms 批量提取第一张图片最为缩略图的代码(文章+软件)
PHP 长文章分页函数 带使用方法,不会分割段落,翻页在底部
火车采集器 免费版使出收费版本功能实现原理
火车头discuz6.1 完美采集的php接口文件
php 正则表达式小结
php 正则匹配函数体
PHP 文章中的远程图片采集到本地的代码
php 正则 过滤html 的超链接
php email邮箱正则
PHP版自动生成文章摘要